基于支持向量机（SVM）算法的雷达图像分类技术文献综述

1. 文献综述（或调研报告）：

1.SAR发展现状

在SAR图像分类技术的研究上美国一直在国际上处于领先地位，1951年，美国的Carl Wiley发现通过多普勒频移可以显著改善雷达的角分辨率[1][2]，合成孔径雷达的概念可以追溯至此，1953年，美国研制出了世界上第一个机载SAR系统[2]，同样在1953年，第一张非焦距SAR图像在美国伊利诺斯大学诞生[2],1957年，密歇根大学研制出的SAR系统得到了世界上第一张全焦距SAR图像[2],SAR的快速发展时期在19世纪80年代，美国发射了第一颗装备了SAR的卫星，成功收集了地球的SAR数据，在此之后陆续发射的俄罗斯的Almaz，德国的TerraSar-x，日本的JERS-1等搭载SAR装置的卫星[4]，全球可谓进入SAR时代。

我国开始研究SAR图像时间比较晚，国内最早的合成孔径雷达研究于1973年在中科院电子学研究所展开,1979年，研究所研制出了国内首个机载SAR系统，并得到了第一张SAR图像。直到2006年，我国第一颗SAR卫星发射成功[4]。2017年，高分三号卫星的成功发射[8]，完成高分辨率搭载合成孔径雷达装置的卫星低轨运行的突破，分辨率可达1m，推动了国内卫星事业的高速发展。目前而看，我国与发达国家的SAR技术仍有不小的差距。

2.SAR特征提取研究

对于极化合成孔径雷达，研究人员获得人造的物体极化散射的特征可以利用极化散射矩阵的分解，目前的极化特征分解方法主要有基于Pauli分解[9]的分类方法，Freeman-Durden分解[4],Korogager分解[3]等。

对于SAR图像本身的图像特征，特别是纹理特征[5][12]，再近年来不少文献中被用来和从极化SAR图像中提取的极化特征相结合，用于SVM等分类器中，其中灰度直方图的一阶统计量和二阶统计量的灰度共生矩阵[12]（GLCC）被使用的最为广泛。

主成分分析法[10][17]提取SAR图像特征在国内外使用的不如极化特征和纹理特征多。

3.SAR图像分类技术